基于相似离度的模糊神经网络方法在降水预报中的应用

针对样本矩阵中的奇异样本可能会影响模型的预报能力，提出了一种基于相似离度的模糊神经网络模型，并对广西北部前汛期（5月～6月）逐日平均降水量进行了49天的业务预报试验。结果表明，基于相似离度的模糊神经网络模型计算速度快，预报结果与实际值符合的较好，具有较好的业务应用前景。     

基于神经网络的预测器及其应用

本文运用人工神经刚络理论卡口方法，对BP网的拓扑结构进行改造，建立了预测器的神经网络模型．并利用遗传算法的全局搜索能力，克服了传统BP网易陷入局部极小点的弱点，最后讨论了该预测器在土木工程结构主动控制中的应用，并进行了仿真实验。     

一种遗传神经网络在烟气机组故障诊断中应用

针对烟气机组时变、非线性的工况特点,提出了一种基于遗传算法的BP神经网络模型,并在该算法的适应度函数中加入了时间因素。实验结果表明,考虑时间算法的遗传神经网络要明显优于一般BP神经网络,其训练时间大为缩短,网络计算的实时性得到了加强。     

多层人工神经网络及其BP算法在系统预报中的应用

介绍了多层人工神经网络及其改进型反向传播算法。该算法能用于线性、非线性系统的辨识，解决了系统预报的问题，通过仿真实例证明该算法是可行的。     

微机在水库洪水预报中的应用

本文介绍用微机实现水库短期洪水预报的一种数字模型、编程特点、工作过程、演算实例。编程简明实用,结果与实测数值很接近。本模式适用于超渗产流的流域地区。     

基于混合GA-BP算法优化的神经网络在机器人地面控制中的应用

在机器人地面控制中,针对BP算法易陷入局部极小、收敛速度慢的缺点,根据遗传算法具有全局寻优的特点,将二者结合起来形成一种训练神经网络的混合GA-BP算法;通过算法比较和实例结果分析,表明该算法可以有效、可靠地运用于机器人地面控制,并可方便地应用于其它方面.     

遗传算法在神经网络中的应用

本文在分析了神经网络在应用中存在的局限性的同时也介绍了遗传算法的基本概念,以及分析遗传算法在实际应用中的优势．并且在此基础上介绍了使用遗传算法优化神经网络的方法和在应用中使用遗传算法优化神经网络时应该注意的问题以及参数的设置方法。     

神经网络在销售预测中的应用研究

文章提出了基于反向传播网络建立市场销售预测模型的设计方法,并针对反向传播网络算法的不足之处给出了改进方法,该算法适用于规则不可知的预测问题。将该算法应用于销售预测中,获得了良好的预测结果,为企业生产决策提供了有力的依据。     

基于BP神经网络和遗传算法的光伏功率预测的研究

随着光伏发电在社会的大规模应用,加之其波动性和间歇性等特点,使得光伏发电功率预测对微电网控制策略研究、电网电能调度和提高电网电能质量显得更加重要;遗传算法(GA)被运用来对建立的BP神经网络模型的初始权值和阈值进行优化,不仅加快了BP神经网络的收敛速度而且提高了BP神经网络的的预测准确度,实验结果显示采用的预测方法获得了较好的预测效果。     

基于小波神经网络法的短期风电功率预测方法研究

基于小波与BP神经网络,提出一种小波与BP神经网络结合的方法对短期风电负荷进行预测。运用小波能够精确地提取时间序列的细微特性和BP网络的输出反馈作为输入神经元数据增加了数据信息量的特点,构建了小波神经网络预测模型,经实际数据证明该方法提高了预测的精确性。     

基于模糊神经网络的网络成瘾预测

综合运用模糊数学和神经网络知识构建一个模糊神经网络模型,用以预测网络成瘾。确定了适宜的判别指标和分级标准,对评价论域进行模糊处理;建立各指标对不同论域等级隶属度的计算模型;以实际网络使用者为样本,应用改进的BP算法训练网络模型,并对6个受验样本进行成瘾判别以验证模型的准确性。该方法是对已有的单一指标判别法和用模糊数学对多个指标判别方法的改进。实验证明,改进的BP神经网络方法能够快速、准确、有效地识别网络成瘾模式。     

基于优化BP神经网络的销售预测算法研究

已知国内房屋售价具有一定的不完整的规律性,其会因季节变换、人群流动、国家相关政策等一系列因素而呈现一定的规律.与此同时,该规律性并没有确定的单一因子可以直接影响,故其售价与全部因素之间的关系也是非线性的.针对这一问题,利用神经网络输入量的非线性、冗杂性和可不完整性,对一段时期内的房屋售价进行预测是一种合理的预测方法.基...     

基于结构化神经网络挖掘的农产品产量预测方法

农产品市场的准确预测对指导农业生产、农产品流通和农产品消费有重要作用。本文提出了一种改进的结构化神经网络(ISNN),并基于ISNN构建了农产品产量预测模型;设计了一种优化性能更好的混合遗传算法(MGA),并采用MGA对ISNN预测模型进行训练。应用训练好的预测模型对某县最近10年的玉米总产品进行了预测分析。实验结果表明,该方法收敛速度快、学习能力强、预测精度较高、误差率较小。     

基于遗传神经网络的入侵检测系统设计

设计了一种基于遗传神经网络的入侵检测系统.本系统特色在于：一是适应入侵检测研究的发展趋势,从高速网络的发展需求以及智能算法方面进行系统设计;二是系统的误用检测模块可以很容易的用商用的IDS代替,且异常检测模块可随着误用检测模块病毒库的更新而不断的提高检测的准确性.     

基于改进BP网络模型的公路流量预测

针对公路客货运量预测的问题,对现有的常用预测方法进行研究,提出改进BP神经网络预测模型。该模型首先采用动态陡度因子改变激励函数的陡峭程度,改善激励函数的响应特征,得到更好的非线性表达能力;其次利用附加动量因子,通过将以前的经验进行积累,降低了神经网络对误差曲面的局部细节敏感性,较好地遏制网络陷于局部最小;再次采取变学习率学习算法,先给一个较大初值,随着学习过程的进行,学习率不断减小,网络趋于稳定。改进BP算法既可以找到更优解,又可以缩短训练时间。结合某地区的公路运量相关数据,对改进BP神经网络预测模型进行了验证。实验结果表明,该模型的相对误差和迭代次数都取得了较大的改善,对公路客货运量预测很有效。     

一种RBF神经网络的混合学习算法在CPI中的应用

根据RBF神经网络最常用的OLS算法、K-均值聚类算法和梯度下降训练学习算法,提出了一种基于正交最小二乘K-均值聚类梯度下降优化的RBF神经网络的混合算法。该算法克服了单一某种训练方法的不足,发挥了混合算法的长处,进行了CPI预测的仿真实验。结果证明：该方法是有效实用。     

一种基于优化的RBF神经网络交通流预测新算法

提出了一种基于遗传算法优化的RBF神经网络交通流预测新方法,该方法把遗传算法应用于RBF神经网络的参数确定中,实现了RBF神经网络隐层高斯函数的中心矢量和基宽向量以及隐层与输出层之间的权值的优化,提高了RBF神经网络的泛化能力。仿真结果表明：改进的RBF网络用于交通流预测中具有可靠的精度和较好的收敛速度,具有广阔的应用推广前景。